乔木博客

全部

AI工具

AI教程

AI生成

AI资讯

健脑房

播客解读

论文学习

Al选择指南：干活用Claude，科研用Gemini，写码用GPT

AI资讯

·

2026年4月18日

·

376 次阅读

·

约 6 分钟

评测机构Artificial Analysis刚发布了Claude Opus 4.7的测试结果：57分，和GPT-5.4、Gemini 3.1 Pro并列第一。

https://x.com/ArtificialAnlys/status/2045292578434875552

这是这个榜单历史上第一次出现三家同时登顶的情况。

Anthropic、OpenAI、Google，三个不同的技术路线，最后在同一个分数上相遇。

准确说，Opus 4.7的实际得分是57.3，Gemini 3.1 Pro是57.2，GPT-5.4是56.8。

但这个榜单的误差范围是正负1分，所以官方认为这是平局。

通用能力的竞赛可能已经接近尾声，真正的差异在具体场景。

谁在哪方面最强

虽然总分一样，但三个模型的能力分布完全不同。

Claude Opus 4.7在实际工作任务上遥遥领先。

它在GDPval-AA这个测试中拿到1753分，比第二名高出79分。

这个测试不是做选择题，而是模拟真实工作。

44种职业，9个主要行业，让AI自己用命令行、开浏览器、调工具去完成任务。

比如分析一份财务数据，写一个技术文档，或者调试一段代码。

换句话说，如果你想让AI像助手一样帮你干活，处理那种需要多个步骤、调用多种工具的复杂任务，Opus 4.7现在是最靠谱的选择。

相比上一代4.6版本，它在这个测试上提升了134分。

Gemini 3.1 Pro的强项是知识和科学推理。

它在HLE（人类最后的考试）、GPQA Diamond（研究生级别物理化学题）、SciCode（科学编程）这些学术测试中都排第一。

如果你的工作涉及科研、需要处理专业知识，Gemini更合适。

GPT-5.4则在长周期编程和科学推理上占优。

它在TerminalBench Hard（复杂终端操作）和CritPt（批判性思维）这些需要长时间思考、多轮迭代的任务中表现最好。

三家各有所长，这才是正常的。

就像三个学生考了同样的总分，但一个数学满分，一个语文满分，一个理综满分。

更聪明的表现：少说话，少犯错

Opus 4.7相比上一代，有两个值得注意的改进。

第一个是效率提升。

完成同样的测试，4.7版本只用了1.02亿个输出token，比4.6版本少了35%，但得分反而高了4分。

这意味着它不再像以前那样啰嗦了。

以前可能要解释三遍的事情，现在一遍说清楚。

虽然官方定价没变，还是输入每百万token 5美元、输出25美元，但实际使用成本下降了。

第二个是学会了承认不知道。

在AA-Omniscience（全知指数）这个测试中，Opus 4.7的得分从14分跃升到26分，仅次于Gemini 3.1 Pro的33分。

这个提升不是因为它知道更多，而是因为它减少了胡说八道。

具体数据很说明问题：

准确率：没变

幻觉率：从61%降到36%，下降了25个百分点

尝试回答率：从82%降到70%

它是怎么做到的？遇到不确定的问题，选择不回答。

一个AI承认自己不知道，比信心满满地给出错误答案要好得多。

特别是在需要准确性的场景，比如医疗咨询、法律建议、技术支持，一个错误的答案可能造成严重后果。

新功能：任务预算

Anthropic这次还加了一个挺实用的功能，任务预算（Task Budgets）。

简单说，你可以给AI设定一个token总量上限，它会看到一个倒计时，然后自己规划怎么在预算内完成任务。

快用完的时候，它会调整策略，确保优雅地收尾，而不是说到一半突然停止。

这就像给员工定项目预算一样。

你告诉它"这个任务最多用5000个token"，它会自己分配，哪些地方详细说，哪些地方简略带过，最后在预算内给你一个完整的结果。

这个功能现在还在公测阶段，但思路很实用。

特别是对于那些需要控制成本的应用场景，比如客服机器人、自动化报告生成。

另外，Opus 4.7还增加了一个新的推理强度档位"xhigh"（超高），介于"high"（高）和"max"（最大）之间。

现在完整的档位是：低、中、高、超高、最大。

档位越高，AI思考得越深入，但也越慢、越贵。

还有一个变化：

Extended Thinking（扩展思考）功能被完全移除了，现在只保留Adaptive Reasoning（自适应推理）。

这意味着Anthropic在简化产品线，专注于一个更好的推理模式。

这个局面意味着什么

三个模型并列第一，表面上看是平局，实际上反映了AI发展进入了新阶段。

通用能力的天花板可能真的近了。

当三家顶尖公司用完全不同的技术路线，都达到差不多的智能水平时，说明这个方向上容易摘的果实已经摘得差不多了。

继续往上提升，可能需要更多的资源、更长的时间、更大的突破。

接下来是场景化竞争。

Anthropic专注于实际工作任务的自主执行，Google深耕科学研究和知识处理，OpenAI押注复杂推理和长周期任务。

每家都在自己擅长的领域继续深挖。

对普通用户来说，这其实是好消息。

你不用再纠结哪个模型"最强"，而是可以根据具体需求选择：

需要AI帮你处理复杂工作任务，用Claude Opus 4.7；

做科研或者需要处理专业知识，用Gemini 3.1 Pro；

写复杂代码或者需要深度推理，用GPT-5.4。

工具越来越专业化，这才是成熟市场该有的样子。

© 2026

·

向阳乔木